def find_best_home_within_budget(df, model, scaler, encoder, num_cols, cat_cols, budget):
    """
    예산 내에서 가장 높은 예측 집값을 가지는 조건 조합을 찾음

    Parameters:
    - df: 전처리된 원본 데이터프레임
    - model: 훈련된 LassoCV 모델
    - scaler: 수치형 표준화 도구
    - encoder: 범주형 인코더
    - num_cols: 수치형 변수 리스트
    - cat_cols: 범주형 변수 리스트
    - budget: 예산 상한 (ex: 200000)

    Returns:
    - 최고 예측 가격과 해당 조건
    """
    best_price = -np.inf
    best_condition = None

    # 예산 내 데이터만 사용
    df_budget = df[df['SalePrice'] <= budget]

    # 중복 제거된 후보 범주 조합만 추출
    unique_combinations = df_budget[cat_cols].drop_duplicates().astype(str)

    # 수치형 평균 고정
    input_num = pd.DataFrame([df_budget[num_cols].mean()], columns=num_cols)
    input_num_scaled = scaler.transform(input_num)

    for _, row in unique_combinations.iterrows():
        input_cat = pd.DataFrame([row], columns=cat_cols).astype(str)
        encoded_cat = encoder.transform(input_cat)
        X_input = np.concatenate([input_num_scaled, encoded_cat], axis=1)
        predicted = model.predict(X_input)[0]

        if predicted > best_price:
            best_price = predicted
            best_condition = row.to_dict()

    return best_price, best_condition

# 함수 실행 (예산: $200,000)
best_price, best_condition = find_best_home_within_budget(
    df, lasso_cv, std_scaler, onehot, num_columns, cat_columns, budget=200000
)

print(f"✅ 예측된 집값: ${best_price:,.0f}")
print("✅ 추천 조건:")

condition_df = pd.DataFrame([best_condition]).T
condition_df.columns = ['값']
display(condition_df)